买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：常州大学

摘要：本发明公开了一种基于迁移学习的TCR‑表位结合预测方法，包括：获取TCR序列数据集，对所述TCR序列数据集进行数据处理，通过对TCR序列过滤得到表位序列，通过动态训练策略得到训练集和测试集；训练自回归编码器模型和ProtBert模型，并对TCR序列和表位序列进行特征提取，得到TCR序列特征和表位序列特征；对所述TCR序列特征和表位序列特征通过二维直方图进行数据转换，并输入到二维卷积网络中输出向量，将输出向量输入到全连接网络，得到第一输出向量，同时将二维卷积网络中输出向量合并，得到第二路网络；将第一输出向量和第二路网络通过多头注意力策略合并，对合并向量进行扁平化处理，得到全连接网络的输入，提高了TCR‑表位结合任务的预测准确性。

主权项：1.一种基于迁移学习的TCR-表位结合预测方法，其特征在于，包括：获取TCR序列数据集，对所述TCR序列数据集进行数据处理，通过对TCR序列过滤得到表位序列，通过动态训练策略得到训练集和测试集；训练自回归编码器模型和ProtBert模型，并对TCR序列和表位序列进行特征提取，得到TCR序列特征和表位序列特征；对所述TCR序列特征和表位序列特征通过二维直方图进行数据转换，并输入到二维卷积网络中输出向量，将输出向量输入到全连接网络，得到第一输出向量，同时将二维卷积网络中输出向量合并，得到第二路网络；将第一输出向量和第二路网络通过多头注意力策略合并，对合并向量进行扁平化处理，得到全连接网络的输入；所述通过动态训练策略得到训练集和测试集，包括，从数据集中读取TCR和表位数据，初始化空列表存储新的TCR和表位数据，遍历每个TCR和表位对，将TCR和表位添加到字典中，并计算表位的频率分布；二次遍历每个TCR和表位对，将原始的TCR和表位添加到列表中，每个TCR序列，根据字典中每个表位的频率分布，从原始表位中选择一个表位序列结合作为负样本对，将新的TCR和表位数据添加到初始化的空列表中，新配对的负样本集中的表位序列频率分布要与正样本集相同；创建一个新的数据框，将原始的正样本和生成的负样本数据以及标签添加到数据框中，将数据框保存为输出文件作为训练集；所述输入到二维卷积网络中输出向量，将输出向量输入到全连接网络，得到第一输出向量，同时将二维卷积网络中输出向量合并，得到第二路网络，包括，将表位序列特征和TCR序列特征分别输入到二维卷积网络中，将两路的输出数据合并，进行向量展开，输入到三层全连接网络，得到第一输出向量；通过一层二维卷积，得到卷积网络数据的两个分支，第一个分支连接到多个二维卷积网络，输出第二输出向量，第二个分支通过多个卷积网络，输出第三输出向量，将第二输出向量与第三输出向量合并，得到第二路网络。

全文数据：

权利要求：

百度查询： 常州大学 一种基于迁移学习的TCR-表位结合预测方法及系统